Socioeconomic Inequalities in Participation in Colorectal Cancer Screening in Ontario, Canada: A Decomposition Analysis
Notice bibliographique
Résumé
BACKGROUND: The relationship between socioeconomic status and colorectal cancer screening in Canada remains poorly understood. This study aims to measure and explain the extent of socioeconomic inequalities in colorectal cancer screening participation in Ontario, Canada. METHODS: This study assesses socioeconomic inequalities in colorectal cancer screening uptake in Ontario among adults of ages 50 to 74 years (n = 12,039) utilizing cross-sectional data from the 2017 to 2018 Canadian Community Health Survey (CCHS). The Wagstaff index and the Erreygers index were used to quantify and decompose income-related inequality in colorectal cancer screening participation. RESULTS: The results revealed an overall colorectal cancer screening rate of 71.7%, with higher rates among females (78.4%) compared with males (69.4%). The positive values of the Wagstaff index (0.193; 95% confidence interval, 0.170-0.215) and the Erreygers index (0.156; 95% confidence interval, 0.138-0.174) indicated a pro-rich inequality in colorectal cancer screening participation in Ontario (i.e., screening is more concentrated among wealthier individuals). The decomposition analysis identified income (71.61%), education (8.61%), and language barriers with healthcare providers (5.76%) as the primary factors contributing to the observed income-related inequality in colorectal cancer screening participation. CONCLUSIONS: Income is the primary driver of socioeconomic inequality, requiring targeted strategies to boost screening rates among low-income residents. Addressing education and language barriers through awareness initiatives and language support can reduce socioeconomic inequalities in cancer screening uptake in Ontario. IMPACT: Our study reveals significant socioeconomic inequality in colorectal cancer screening in Ontario, driven by income, education, and language barriers, underscoring the need for targeted interventions to promote equitable access.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».